Anthropic ha rilasciato oggi Claude Opus 5, sostituendo Claude Opus 4.8 come modello di punta della sua fascia Opus. I prezzi restano invariati a $5 per milione di token di input e $25 per milione di token di output, mantenendo il nuovo flagship allo stesso costo API del modello che sostituisce.

Anthropic descrive Opus 5 come vicino all’intelligenza di Claude Fable 5 a metà prezzo. Il modello è ora quello predefinito su Claude Max e il modello più potente disponibile su Claude Pro.

Modifiche a livello API

Anthropic ha introdotto con Opus 5 diverse modifiche a livello API che gli sviluppatori potrebbero dover considerare prima di valutare i risultati dei benchmark o migrare applicazioni esistenti al nuovo modello.

In primo luogo, il thinking è abilitato di default. Con Opus 4.8, le richieste venivano eseguite senza thinking a meno che gli sviluppatori non impostassero thinking: {"type": "adaptive"}. Con Opus 5, la stessa richiesta usa il thinking di default, mentre il parametro effort ne controlla la profondità. Poiché max_tokens ora limita sia i token di thinking sia il testo della risposta, i limiti di token esistenti potrebbero richiedere una revisione.

In secondo luogo, Anthropic ha introdotto una modifica non retrocompatibile. Le richieste che impostano thinking: {"type": "disabled"} con effort impostato su xhigh o max ora restituiscono un errore 400. La restrizione viene applicata per singola richiesta. Gli sviluppatori devono limitare l’effort a high oppure rimuovere il campo thinking.

In terzo luogo, Anthropic consiglia agli sviluppatori di rimuovere i prompt di verifica. Istruzioni come “include a final verification step” possono ora portare a una verifica eccessiva, perché il modello verifica già autonomamente il proprio lavoro. La guida al prompting di Opus 5 di Anthropic copre i relativi schemi di ottimizzazione.

L’ID del modello è claude-opus-5. La sua finestra di contesto è di 1M di token sia come valore predefinito sia come massimo, senza una variante più piccola. L’output massimo è di 128k token sulla Messages API sincrona. La Message Batches API supporta fino a 300k token di output con l’header beta output-300k-2026-03-24. La lunghezza minima di prompt memorizzabile in cache è scesa da 1,024 a 512 token.

Risultati nei benchmark di coding e agenticità

Su FrontierBench v0.1, un successore da 74 task di Terminal-Bench 2.1, Opus 5 ha ottenuto il 43.3% al massimo effort. Opus 4.8 ha ottenuto il 18.7%, mentre Fable 5 ha raggiunto il 33.7% e GPT-5.6 Sol il 37.5%. Con effort xhigh, Opus 5 ha registrato il suo miglior risultato, raggiungendo un reward medio del 44.4%.

Un dettaglio rilevante di quel test riguarda i rifiuti di sicurezza. I classificatori di sicurezza di Opus 5 hanno segnalato e rifiutato il 5% delle chiamate API nel 4% delle prove. I classificatori di Fable 5 hanno segnalato il 42% delle chiamate nel 26% delle prove.

Opus 5 ha ottenuto il 96.0% su SWE-bench Verified e il 79.2% su SWE-bench Pro. Fable 5 è rimasto leggermente avanti su SWE-bench Pro con l’80.0%. Su SWE-bench Multimodal, Opus 5 è migliorato dal 38.4% al 59.4%.

I progressi più marcati sono emersi nelle valutazioni agentiche, in cui i modelli devono operare in ambienti software invece di rispondere a un singolo prompt statico. Opus 5 ha raggiunto il 70.57% su OSWorld 2.0, rispetto al 55.7% di Opus 4.8. Su Zapier AutomationBench ha ottenuto il 26.0%, rispetto al 17.0% di Opus 4.8 e al 17.4% di Fable 5. Con effort medio, Opus 5 ha comunque ottenuto il 24% a $0.89 per task.

Su Artificial Analysis GDPval-AA v2, Opus 5 ha occupato le prime due posizioni della classifica con ELO 1861 e 1827. La configurazione xhigh ha superato ogni altro modello utilizzando il 25% in meno di token di output rispetto a max.

Risultati di ragionamento e ARC-AGI-3

Anthropic ha sottoposto Opus 5 a tutti e sei i problemi IMO 2026 senza strumenti né un framework agentico. Una giuria composta da tre modelli ha valutato come corrette tutte le 24 soluzioni generate. Esperti umani hanno valutato separatamente una soluzione predefinita per ciascun problema con 7/7. Il punteggio finale di 42/42 è a livello di medaglia d’oro e superiore alla soglia di 29/42.

La ARC Prize Foundation ha riportato per Opus 5 un punteggio verificato del 30.16% su ARC-AGI-3 con effort alto. È circa quattro volte il miglior punteggio di classifica precedentemente riportato. GPT-5.6 Sol ha raggiunto il 7.78% e Opus 4.8 l’1.52%. I risultati di Opus 5 al massimo effort non erano disponibili al momento del rilascio.

Su Humanity’s Last Exam, Opus 5 ha ottenuto il 56.3% senza strumenti e il 64.7% con strumenti.

Uso degli strumenti nei task multimodali

I risultati multimodali di Anthropic indicano che l’uso agentico degli strumenti scala il compute al tempo di test in modo più efficiente in termini di costi rispetto al solo thinking adattivo.

Su Chartography, Opus 5 ha ottenuto il 29.6% senza strumenti e l’83.0% usando un container e uno strumento di ritaglio delle immagini. Su BenchCAD Vision2Code, l’IoU voxel è salita da 0.366 a 0.821. Con gli strumenti, Opus 5 ha superato Claude Mythos 5, che ha ottenuto 0.678 sulla stessa metrica.

Capacità cyber e salvaguardie

Anthropic ha dichiarato di non aver addestrato Opus 5 su task di cybersecurity. La capacità cyber del modello è comunque aumentata come effetto collaterale dei miglioramenti generali delle capacità.

Su ExploitBench, Opus 5 ha raccolto 10.14 flag medi di capacità nel ramo AutoNudge e ha prodotto 99 exploit completi di esecuzione arbitraria di codice. Mythos 5 ne ha prodotti 132. Su OSS-Fuzz, Opus 5 ha ottenuto un punteggio non nullo sul 79.4% dei target, mentre Mythos 5 ha raggiunto circa l’80%. Tuttavia, Opus 5 ha completato 4 exploit completi rispetto ai 13 di Mythos 5.

Questo divario ha definito la progettazione delle salvaguardie di Anthropic. Opus 5 è quasi forte quanto Mythos 5 nel trovare vulnerabilità, ma sostanzialmente più debole nello sfruttarle. Di conseguenza, Anthropic ha sbloccato l’individuazione di vulnerabilità nel codice sorgente. La scansione basata su binari, i penetration test e la generazione di exploit restano bloccati. Anthropic prevede che i classificatori intervengano circa l’85% in meno rispetto a Fable 5. I difensori possono candidarsi al Cyber Verification Program.

UK AISI ha testato checkpoint iniziali su tre cyber range con 100M di token per tentativo. Opus 5 ha risolto “The Last Ones” end-to-end in 8 tentativi su 10. Non ha risolto il range più difficile “Doing Life”, ma ha raggiunto lo step 22 di 23, più avanti di qualsiasi modello testato.

In base alla Responsible Scaling Policy di Anthropic, l’azienda considera Opus 5 dotato di capacità CB-1 ma non di capacità CB-2. Anthropic applica le stesse protezioni ASL-3 usate per Opus 4.8. La soglia AI R&D non è stata superata.

Risultati sulla prompt injection

Sul benchmark di prompt injection indiretta Gray Swan, il successo degli attaccanti entro 15 tentativi è sceso dal 5.5% su Opus 4.8 al 2.0% su Opus 5. Mythos 5 si è attestato al 2.6%, mentre GPT-5.6 Sol era al 20.0%.

Negli ambienti browser eseguiti tramite Claude Cowork, il successo degli attacchi è sceso dal 31.5% su Opus 4.8 al 3.70% su Opus 5. Questo risultato è stato misurato senza salvaguardie applicate. Con la modalità auto abilitata, il successo degli attacchi ha raggiunto lo 0% in tutti i 129 ambienti.

Le fonti citate nel report originale includono il post di lancio di Anthropic, la Claude Opus 5 System Card, Le novità di Claude Opus 5, TechCrunch, e la recensione indipendente di CodeRabbit.